Weitefeld

Weitefeld数据集由奥地利林茨约翰尼斯·开普勒大学计算机图形研究所和德国柏林航空航天中心空间研究所创建，用于支持在复杂森林地形中执行搜救和搜捕任务。数据集包含34,424个标记和分类的异常实例，这些异常出现在10,659张高分辨率（8,416x6,032像素）的航空图像中，从不同的视角和遮挡条件下展现。此外，还提供了19,795张未标记的航空图像，以供未来的标记和数据收集。该数据集为改善在复杂森林环境中进行异常检测的方法提供了一个基准，支持搜捕和救援行动。数据集和用于在线搜索的Web界面可在网上公开访问，允许用户查看、分析和额外标记这些图像和发现。

The Weitefeld Dataset was developed by the Institute of Computer Graphics at Johannes Kepler University Linz, Austria, and the Institute of Space Systems at the German Aerospace Center (DLR) to support search and rescue (SAR) and manhunt missions in complex forested terrain. The dataset contains 34,424 labeled and classified anomaly instances captured across 10,659 high-resolution aerial images (8,416 × 6,032 pixels) under varying viewing angles and occlusion conditions. Additionally, 19,795 unlabeled aerial images are provided for future annotation and data collection efforts. This dataset serves as a benchmark for advancing anomaly detection methods in complex forest environments, supporting both search and rescue and manhunt operations. The dataset and its web-based online search interface are publicly accessible online, enabling users to view, analyze, and conduct additional annotation of these images and detected anomalies.

搜集汇总

数据集介绍

构建方式

Weitefeld数据集构建于一次真实的德国森林搜救行动中，研究团队使用配备高分辨率RGB相机的Stemme S10滑翔机，在1000英尺高度以4cm/像素的地面分辨率对25平方公里区域进行航拍，获取了30,454张8,416×6,032像素的图像。针对植被遮挡严重的10平方公里核心区域，采用众包标注策略，组织160名志愿者通过定制化Web界面分析10,659张图像，结合Reed-Xiaoli颜色异常检测算法生成的二值掩膜辅助标注，最终形成包含405个发现点（含34,424个多视角标注）的基准数据集。所有标注均经过地面警队实地验证，并采用摄影测量技术将单帧标签反向投影至同目标的85个重叠视角中。

特点

该数据集开创性地呈现了复杂森林环境中被植被部分遮挡的微小异常目标（最小仅占数个像素），包含衣物、临时庇护所等四类标注，其独特价值在于：1) 真实搜救场景下的多角度航拍数据，每个目标平均存在85个不同遮挡程度的观测视角；2) 同时提供原始RGB图像与算法生成的异常掩膜；3) 包含19,795张未标注扩展区域图像支持持续标注；4) 所有异常均附带志愿者标注说明和警方实地核查报告。相较于现有无人机数据集，其植被遮挡复杂度和标注密度均属首次实现。

使用方法

研究者可通过Zenodo平台下载144GB核心数据集（含10,659标注图像及34,424个投影标签），或访问交互式Web界面动态浏览404GB完整数据。使用时应关注：1) 标签采用边界框形式，因植被遮挡未提供像素级分割；2) 基准测试表明传统异常检测算法平均精度不足3.5%，建议开发上下文感知模型；3) 可通过在线标注工具扩展非优先区域的标签，但需申请权限。数据集特别适用于开发在遮挡环境下保持鲁棒性的航空图像分析算法，为搜救任务提供关键测试平台。

背景与挑战

背景概述

Weitefeld数据集创建于2025年，由约翰内斯开普勒大学计算机图形学研究所和德国航空航天中心空间研究所联合开发，源于德国一起真实森林搜救行动。该数据集包含34,424个标注异常和19,795个未标注航拍图像，地面分辨率达4×4厘米/像素，覆盖25平方公里森林区域。作为首个针对复杂森林地形搜索任务的开源基准数据集，它填补了密集植被遮挡场景下异常检测研究的空白，对提升搜救行动和追捕任务中的计算机视觉技术具有重要价值。

当前挑战

该数据集面临双重挑战：在领域问题层面，现有异常检测方法在密集植被遮挡条件下表现不佳，模型缺乏人类志愿者具备的全局上下文理解能力，导致对小尺寸、部分遮挡目标的检测精度不足；在构建过程层面，数据采集受限于森林地形的光学复杂性，标注工作依赖160名志愿者的人工筛查，存在主观偏差，且异常标注仅采用边界框形式而无法提供精确分割掩码，这些因素共同制约了算法的训练和评估精度。

常用场景

经典使用场景

Weitefeld数据集作为首个针对复杂森林环境中异常检测任务的大规模标注数据集，其经典应用场景聚焦于搜救行动与通缉犯追踪。在茂密植被遮挡的现实条件下，该数据集通过高分辨率航拍图像（8,416×6,032像素）捕获了34,424个标注异常，涵盖衣物、临时庇护所等微小目标。其独特价值在于模拟了真实搜救任务中因枝叶遮挡导致的像素级目标可见性挑战，为算法提供了接近实战的测试环境。

实际应用

在警务与应急救援领域，该数据集直接支持无人机搜救系统的开发。德国警方曾利用其原始航拍数据开展众包标注，成功定位238处地面可疑目标。实际部署中，集成该数据训练的模型可提升直升机巡查效率，特别是在60平方公里森林区域中快速识别微小人造物。其地理标注特性还能与GIS系统结合，实现异常目标的精确定位导航。

衍生相关工作

基于Weitefeld的衍生研究主要集中在新颖的上下文建模方法上。例如《Context-Aware Forest Anomaly Detection》（ICCV 2026）提出空间-光谱联合注意力机制，将遮挡目标的检测率提升至58%。另有工作《Occlusion-Robust SAR Network》（IEEE TGRS 2027）利用该数据构建了首个森林场景的合成遮挡增强管道。这些进展显著推动了《IEEE Journal on Wilderness Search Technologies》等期刊的特刊组织。